browser-use 於十一月十日發布 1.0.0 版本,刪除 136,866 行程式碼,相當於原有程式庫的八成。新架構讓模型在單一 REPL 撰寫 Python,直接操作 Chrome DevTools Protocol。該專案累積約十二萬顆星標,官方稱同款模型得分最多提高三十三分。

這次發布的標題為「CDP is all you need」,團隊在版本說明中表示整個專案從頭重寫。舊版需要先把網頁轉換成結構化描述,再交由模型選擇預先定義的動作,兩層中介都被移除。留下的是一條更短的路徑:模型寫出一段 Python,執行環境在 Chrome 上跑完,把輸出交回模型。

browser-use 儲存庫 README 開頭畫面,顯示專案標誌、套件下載量徽章、文件與部落格連結,以及「The open-source browser agent」定位說明與任務執行的三步驟示意圖

這個專案由二零二四年十月建立,以 MIT 授權釋出,主要語言為 Python。它的定位一向清楚:讓模型在真實瀏覽器中完成任務,涵蓋填表、預約、抓取與跨站流程。1.0 之前的版本靠自製的動作結構與 DOM 序列化支撐,這套設計在網頁結構複雜時容易失準。

browser-use 1.0 是什麼?

browser-use 1.0 是十一月十日發布的開源瀏覽器代理框架,改以單一 Python REPL 直接操作 Chrome DevTools Protocol。

版本號跳至 1.0 的理由,團隊寫得直接:架構已經與 0.x 不同,靠小版本號描述會誤導使用者。舊版的模組路徑從 0.1 到 0.13 全部改動,公開名稱亦有增刪,因此升版必須視為一次遷移工程。

技術底座同樣換了。1.0 建構在 Pydantic AI 之上,模型輸出改用型別約束,取代舊版自製的解析流程。這個改動讓模型供應商的接入方式標準化,也讓結構化輸出成為內建能力而非外加套件。

browser-use 儲存庫首頁頂部,顯示專案名稱 browser-use/browser-use、說明文字「Open-source Python library for AI browser agents, plus Browser Use Cloud」、約 120,000 顆星標與 13,000 次複製數,右側 About 區塊列出官方網站與 MIT 授權

為什麼要砍掉八成程式碼?

團隊認為中介層是誤差來源。DOM 序列化與動作結構把網頁狀態壓縮成間接描述,模型看到的是轉譯結果而非原始介面,移除兩層後判斷更接近真實頁面。

舊架構的流程是先把網頁元素抽取成清單,標上編號,再讓模型從固定動作集中挑一個。這個設計降低了模型的自由度,也讓每一次互動都要付出序列化成本。當網頁有大量動態內容或框架結構時,清單與實際畫面容易脫節。

1.0 把動作的表達權交回模型。模型可以呼叫 new_tab(url)、bu.click(41) 或直接寫 js(...) 執行頁面腳本,全部在同一個 REPL 工作階段內完成。每一步的輸出留在工作階段內,形成連續的上下文,而非每回合重建。

這種做法的代價是對模型能力的要求提高。寫得出可用 Python 的模型才能發揮新架構,能力較弱的模型反而更容易卡住。團隊在文件中把預設模型設為自家閘道上的 bu-fast,同時保留接入任意模型的路徑。

效能與成本改善了多少?

官方基準顯示同款模型得分最多提高三十三分,成本降低 2.7 至 5.2 倍,速度提升 2 至 3 倍,排除故障後品質差異不顯著。

團隊公布的 BU Bench v2 結果涵蓋六十項任務、每項三次重複,全部在雲端瀏覽器執行。1.0 在 ultrafast 模式下取得 62.5 分,每任務成本 0.070 美元,耗時 650 秒。前一版 Pi 引擎在同一個時間窗口取得 56.3 分,成本 0.082 美元,耗時 743 秒。

這個差距需要打折看待。團隊在說明中主動披露,測試窗口期間遇上 OpenAI 服務中斷,Pi 在一百八十次執行中損失十八次,1.0 只損失一次。排除供應商錯誤後,配對比較的得分差異為正 1.1 分,信賴區間跨越零,統計上不顯著。

真正站得住的結論是成本與時間。同樣品質下,1.0 每任務少付 0.013 美元,少用 114 秒。兩組測試都使用 gpt-6-luna 直接呼叫 OpenAI 介面,並由 gpt-5.6-luna 以最高推理等級評分,預設的 bu-fast 閘道模型並未納入這一輪。

值得注意的是基準方法本身。團隊公開了任務集、評分模型與信賴區間計算方式,並把對自己不利的供應商故障一併寫出。這種披露程度在商業產品的版本說明中並不常見,也讓外部研究者有機會複核。

從 0.x 升級要注意什麼?

升級前必須先讀 MIGRATING.md。1.0 對不支援的舊選項拋出 TypeError,對已移除的匯入拋出 ImportError 並附替代方案。

行為變動集中在預設值。Browser() 現在預設連接 Browser Use 雲端瀏覽器,若任務涉及本機位址或私有網路,必須改用 Browser('chromium')。run() 的步驟上限由五百降至一百,逾時設為一千七百秒。

金鑰模型亦改變。舊版需要為每個模型供應商準備一組金鑰,1.0 改為單一 Browser Use 金鑰,同時支付模型推論與雲端瀏覽器費用。舊版閘道模型名稱,包括 bu-2-0、bu-1-0 與 bu-latest,一律被拒絕,環境變數 BROWSER_USE_LLM_URL 亦不再讀取。

自訂模型的路徑仍然存在。ChatOpenAI、ChatAnthropic 與 ChatGoogle 均為內建,亦可使用任何 Pydantic AI 模型字串,例如 llm='groq:llama-3.3-70b-versatile'。LangChain 的對話模型則會拋出型別錯誤,需改走上述路徑。

舊版仍可安裝,指令為 pip install 'browser-use<1',但兩條線會逐漸分離。團隊在 README 中反覆強調版本必須精確釘住,使用 == 而非 >=,理由是發布節奏快且可能破壞介面。同類的大版本重寫案例,可參考 OpenCode 2 的架構改寫。

這次改版有哪些新增功能?

1.0 加入型別化結構輸出、檔案上傳與下載、具名密鑰替換、網域限制與網頁搜尋,並提供命令列與 MCP 伺服器模式。

型別化輸出讓代理的結果可直接餵進既有系統。開發者在建立代理時傳入 output_model_schema,執行完畢後從 result.structured_output 取得符合結構的物件,不再需要自行解析自由文字。這對把瀏覽器任務接進後端流程的團隊影響較大。

密鑰處理採用替換而非隔離。開發者以 sensitive_data 傳入具名值,模型以 type_secret('password') 填入,該值在執行輸出、檢查點與結果中都被替換成佔位符。文件同時明言這不是沙箱,模型撰寫的 Python 仍可讀取原值。

網域限制與網頁搜尋屬於治理層功能。allowed_domains、prohibited_domains 與 block_ip_addresses 在所有瀏覽器模式下生效,但官方定位為對齊模型的護欄而非安全邊界。網頁搜尋以 web_search=True 開啟,按次計費並計入 result.cost_usd。

專案的數據與生態現況如何?

截至十一月十日,browser-use 累積 120,543 顆星標與 13,469 次複製,主要語言為 Python,授權條款為 MIT,專案建立於二零二四年十月三十一日。

120,543Stars
13,469Forks
136,866刪除行數
80%程式碼縮減
Python主要語言
MIT授權條款

生態已超出單一程式庫。團隊同時維護瀏覽器執行層 browser-harness、命令列工具、MCP 伺服器與雲端代理介面,並提供 Python 與 TypeScript 兩種客戶端。雲端瀏覽器定價為每瀏覽器小時 0.02 美元,附防偵測、驗證碼處理與住宅代理。

browser-use 儲存庫的貢獻者統計頁面,顯示專案在二零二六年十一月累積約十二萬顆星標的社群規模與長期提交分佈

商業模式與開源授權並存,界線寫得清楚。程式庫本身免費且為 MIT 授權,模型推論與雲端瀏覽器另行計費,開發者亦可改用本機 Chromium 配合自備模型,包括以 Ollama 接入本地端點。這條免費路徑在文件中保留完整說明。

有哪些已知限制與風險?

官方列出的主要限制包括相依套件全部精確釘版,可能與其他專案衝突;雲端瀏覽器尚未支援視窗尺寸模擬;以及密鑰替換不構成沙箱,模型撰寫的程式碼仍可讀取原值。

相依套件全部以 == 釘死並提交鎖定檔,團隊稱之為供應鏈政策,確保使用者拿到 CI 實測過的版本組合。代價是若專案需要不同版本的 pydantic、pydantic-ai-slim、mcp 或 pillow,就無法與 1.0 共存於同一環境。團隊在說明中公開徵求回報,請使用者指出哪一個釘版造成阻塞。

google-genai 被限制在三以下。原因寫得具體:3.0.0 版本呼叫 Gemini 介面的 v1 端點,該端點拒絕工具呼叫。這個限制會等到 Pydantic AI 支援後解除。

視窗尺寸模擬在雲端瀏覽器尚未可用。需要自訂視窗的測試必須改用 Browser('chromium') 啟動本機實例。這一項對需要模擬行動版版面的流程有實際影響。

出處連結有哪些?

本文資訊整理自 browser-use 的 GitHub 儲存庫、README、編號 1.0.0 的版本說明與遷移文件,數據截至二零二六年十一月十日。

專案原始碼與文件位於 github.com/browser-use/browser-use,版本說明見 1.0.0 發布頁,遷移指引見 MIGRATING.md。基準測試的任務集與方法另行公開於 browser-use/benchmark。

若要從測試框架的角度理解瀏覽器自動化,可延伸閱讀 Playwright 化身 AI 瀏覽器工具的過程。

常見問題有哪些?

本文整理 browser-use 1.0 的收費方式、升級影響、預設瀏覽器、基準可信度、模型支援與命令列模式六項疑問。

### browser-use 1.0 可以免費使用嗎? 程式庫本身免費且為 MIT 授權。模型推論與雲端瀏覽器屬另外計費的服務,開發者可改用本機 Chromium 配合自備模型,包括以 Ollama 接入本地端點,這條路徑不產生平台費用。 ### 升級後原本的程式碼會直接失效嗎? 多數情況會。1.0 對無法支援的舊選項拋出 `TypeError` 並指名該選項,對已移除的匯入路徑拋出 `ImportError` 並附替代方案。專案建議先讀 MIGRATING.md,再按文件中每個 0.x 選項對應的答案逐項調整。 ### 為什麼預設瀏覽器改成雲端執行個體? 團隊把預設值設為雲端,是為了讓新使用者在安裝後即可執行,不必先處理本機瀏覽器與驅動設定。需要本機環境時改用 `Browser('chromium')` 取得獨立暫存設定檔的全新實例,或使用 `Browser('chrome')` 連接已開啟的瀏覽器。 ### 1.0 的基準優勢可信嗎? 部分可信,需要分辨。原始分差為 6.2 分,但測試窗口遇上服務中斷,排除故障後分差縮至 1.1 分且不顯著。成本與時間的改善則在配對比較中維持穩定,每任務省 0.013 美元與 114 秒。 ### 支援哪些模型供應商? 內建 `ChatOpenAI`、`ChatAnthropic` 與 `ChatGoogle`,亦可使用任何 Pydantic AI 模型字串接入其他供應商。LangChain 的對話模型會拋出型別錯誤,需改走上述路徑。舊版的閘道模型名稱一律被拒絕。 ### 命令列與 MCP 模式如何使用? `browser-use` 指令可將 Python 管線送至瀏覽器執行層,`browser-use --cli-mcp` 啟動 MCP 伺服器並提供 `browser_exec`、`browser_screenshot` 與 `browser_login` 三項工具。執行 `browser-use skill install` 可把代理技能註冊至既有編碼環境。

總結:browser-use 1.0 適合什麼團隊?

適合已在使用編碼代理、願意接受精確釘版與遷移成本的團隊。若專案需要與特定相依版本共存,或流程依賴自訂視窗尺寸的雲端測試,則應先評估限制再決定是否升級。

1.0 的核心判斷是把複雜度從框架移到模型。當模型有能力直接寫出操作網頁的程式碼,中介層就成了多餘的翻譯,刪掉它同時降低成本與延遲。這個判斷在基準上得到部分支持,在成本與速度上則相當明確。

代價落在兩處。一是相依套件的自由度,全部釘死換來可預測性,也換來安裝衝突的可能。二是升級門檻,模組路徑全面改動意味著既有專案需要實質調整,而非改一個版本號。

對正在評估瀏覽器自動化的團隊,1.0 提供了一條更短的路徑與更清楚的計價方式。務實的做法是先以本機 Chromium 與自備模型跑一輪既有流程,量出實際成功率與單次成本,再決定是否把雲端瀏覽器與閘道模型納入生產環境。